问财量化选股策略逻辑
选股逻辑：振幅大于1,近25个交易日有单日涨幅大于等于百分之10,集中度70<20%。
选股逻辑分析
该选股策略结合了股票波动性和强势表现的考虑，同时强调了股票选择的均衡性。集中度70＜20%的要求表明，选择股票的分散性更佳，防止仅仅某些几只股票的表现对整个组合造成不利的影响。通过该选股策略，可以保证选取相对稳健的股票，同时强调了风险控制。
有何风险？
该选股策略存在以下风险：
- 忽略企业基本面和估值方面的考量，可能导致选股结果不如期望。
- 只考虑了一个交易日的集中度，不能完全反映潜在的风险，需要更加全面的考虑。
- 只选取了近25个交易日中有单日涨幅大于等于10%的股票，忽略了其他重要信息，包括但不限于市场情绪和行业趋势。
- 难以区分短期强势股和长期强势股，可能出现追涨杀跌的情况。
如何优化？
为了缓解以上风险，应进行以下优化：
- 在选股策略中加入企业基本面和估值等方面的考量，更加综合地评估股票的品质和价值。
- 在股票的集中度方面，应该选取一个较长的时间段，例如近三个月的集中度平均值，来更好地反映潜在的风险。
- 在股票选择的方面，不仅需要考虑近25个交易日的单日涨幅，还需要综合考虑其他重要信息，如市场情绪和行业趋势等。
- 区分短期强势股和长期强势股，避免盲目追涨杀跌。
最终的选股逻辑
据此，我们最终确定的选股逻辑为：
- 振幅大于1。
- 近25个交易日有单日涨幅大于等于百分之10。
- 股票集中度小于20%。
- 结合企业基本面和估值等方面的指标进行筛选。
同花顺指标公式代码参考
C1 = IF(HIGH-LOW > ATR(CLOSE,20), 1, 0);
C2 = IF(ABS((CLOSE-REF(CLOSE, 1))/REF(CLOSE,1)) > 0.1, 1, 0);
C3 = IF(DAY_OCCUPY/20% < 1, 1, 0);
C4 = // 结合企业基本面和估值等方面的指标，默认为1表示通过。
SELECTOR = C1*C2*C3*C4;
RESULT= SORT_RANK(SELECTOR, DESCEND(HEAT));
python代码参考
import pandas as pd
import numpy as np
import talib as ta
df = pd.read_csv('your_data.csv', index_col='date')
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 20), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = np.where(df['day_occupy'] / 20 < 0.01, 1, 0)
C4 = // 结合企业基本面和估值等方面的指标，默认为1表示通过。
selector = C1 * C2 * C3 * C4
result = df.sort_values(by='heat', ascending=False).index[np.argsort(np.argsort(selector))]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
